Über mich

KI im Winter

Mein erstes neuronales Netz habe ich 1992 trainiert, auf einer NeXTstation mit 25 Megahertz, in einem Seminar an der Universität Koblenz. Für künstliche Intelligenz war das, freundlich gesagt, keine gute Zeit. Die Branche steckte mitten in einem KI-Winter, die Expertensysteme hatten ihre Versprechen nicht gehalten, und in der KI-Vorlesung ging es vor allem um Logik und Turbo Prolog.

Die Idee hinter neuronalen Netzen hat mich trotzdem sofort gepackt. Nur war selbst die NeXT, auf der Tim Berners-Lee kurz vorher das World Wide Web erfunden hatte, für praxistaugliche Netze viel zu langsam. Und es fehlte an fast allem, was tiefe neuronale Netze später möglich gemacht hat: an großen Datensätzen, an Tricks wie ReLU und Dropout und an Grafikkarten, die das alles in vertretbarer Zeit rechnen. Also habe ich die KI erst einmal beiseitegelegt.

Die Software Factory kommt bald

Bei IBM war ich fast vierzehn Jahre lang vor allem IT-Architekt und technischer Projektleiter, in Projekten quer durch viele Branchen, mit einem Schwerpunkt auf Versicherungen. Programmiert habe ich dabei immer weiter, am meisten in Java, und das schon sehr früh: Für meine Diplomarbeit habe ich 1995 die Beta von Java 1.0 genutzt.

In dieser Zeit habe ich ein Versprechen so oft gehört, dass ich es irgendwann mitsprechen konnte: Bald muss niemand mehr programmieren. Die Software Factory ist ein Begriff aus den späten Sechzigern. Danach kamen 4GL-Sprachen, visuelles Programmieren mit VisualAge, modellgetriebene Architektur, bei der der Code von selbst aus den Diagrammen entstehen sollte, dann Offshoring und Nearshoring, später Low Code und No Code. Programmiert wurde trotzdem weiter, eher mehr als weniger. Seitdem bin ich bei angekündigten Revolutionen grundsätzlich skeptisch und schaue genau hin, was davon übrig bleibt.

Watson, Enten und die Wiederentdeckung

Bei der INTER Versicherungsgruppe habe ich erst die Anwendungsentwicklung und später die gesamte IT geleitet. 2017 haben wir dort mit IBM Watson einen Chatbot in den Kundenservice gebracht, das erste KI-Projekt der Gruppe. Er war mehr Leuchtturm als Business Case, das gebe ich gern zu. Aber er hat bei mir etwas wieder angeworfen. Abends saß ich wieder selbst am Rechner, diesmal mit Python, PyTorch und einer Rechenleistung, von der man 1992 nur träumen konnte, und arbeitete mich durch den Kurs „Practical Deep Learning for Coders“ von fast.ai.

Mein liebstes Projekt daraus: Eine Bewegungskamera im Garten soll erkennen, ob dort ein gewöhnlicher Vogel landet oder eine Ente. Ja, ich weiß, eine Ente ist auch ein Vogel. Für das Modell ist die Unterscheidung trotzdem wichtig, denn nur die Enten haben im Frühjahr die Angewohnheit, in den Pool zu schei…

Zu gefährlich zum Veröffentlichen

Im Februar 2019 stellte OpenAI GPT-2 vor und hielt das große Modell zunächst zurück, weil es angeblich zu gefährlich sei. Ich hatte da schon versucht, mit BERT E-Mails zu klassifizieren, ein Thema, das mich bis heute begleitet. Spätestens jetzt war ich bei den Sprachmodellen angekommen.

Als ich 2020 in den Vorstand der teckpro AG wechselte, erschien gerade GPT-3. Ich habe damit erste Prototypen gebaut und Vorträge gehalten, und wir haben die Zusammenarbeit mit dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) ausgebaut. Bei adesso insurance solutions war ich danach Chief Technology Evangelist.

Und jetzt?

Nach dreißig Jahren mit diesem Versprechen schreibe ich das nicht leichtfertig: Diesmal stimmt es. Ich schreibe keinen Code mehr per Hand, ich entwickle mit KI-Agenten. Der Code entsteht aus einem Gespräch, und die Diagramme lasse ich mir hinterher erzeugen, damit der Architekt in mir den Überblick behält. Früher sollte aus Diagrammen Code werden, heute ist es umgekehrt. Die Software Factory gibt es also doch, nur ganz anders, als man sie sich in den Sechzigern vorgestellt hat.

Für Entwickler heißt das: weniger Zeit für das Übersetzen von Anforderungen in Code, mehr für die Frage, was überhaupt gebaut werden soll. Sie arbeiten damit immer mehr wie Produktmanager, direkt mit ihren Kunden, und bauen Lösungen, für die früher nie Budget da gewesen wäre. Damit das in Unternehmen funktioniert, braucht es Architektur, Qualitätssicherung und Governance, die mit dem neuen Tempo mithalten.

Darum geht es in diesem Blog: wie KI-gestützte Entwicklung in der Praxis aussieht, mit allen Erfolgen und Stolpersteinen, und welche neuen KI-Entwicklungen halten, was sie versprechen.